KPMG의 정보 관리 및 데이터 분석 담당 이사, 아담 아스퀴니 – 인터뷰 시리즈

아담 아스퀴니는 에드먼턴에 있는 KPMG의 정보 관리 및 데이터 분석 담당 이사입니다. 캐나다 프레리 지역 고객의 데이터·고급 분석 프로젝트를 이끌고 있습니다. 뛰어난 팀을 육성해 고객에게 최선의 결과를 제공하고 팀원에게 보람 있는 업무 경험을 만드는 데 열정을 갖고 있습니다. 이전에는 AltaML 고객 솔루션 부사장, 앨버타주 정부 프로그램 관리자, 캐나다군 통신장교로 일했습니다. 일반적이지 않은 경로로 AI 분야에 들어온 그는 여러 부문이 협력하는 팀의 다양성과 경험을 중요하게 여기며, 누구나 성장하는 AI 공동체에 참여할 수 있다고 믿습니다.

이번 인터뷰는 2023년 에드먼턴에서 열린 연례 AI 행사인 Upper Bound에서 진행했습니다. 행사는 Amii(앨버타 기계지능연구소)가 주최했습니다.

일반적이지 않은 경력을 거치셨습니다. 어떻게 AI 분야에 들어오셨나요?캐나다군 통신장교로 경력을 시작했습니다. 통신장교는 사람들이 소통할 수 있도록 IT와 통신 시스템을 담당합니다. 무선통신과 위성 시스템을 많이 다뤘습니다. 데이터 업무도 일부 있었지만 주된 책임은 핵심 인프라 기술이었고, 그것이 기술 분야에 들어오는 계기가 됐습니다. 대학에서는 화학공학을 공부했습니다. 처음부터 호기심과 배우려는 욕구가 저를 이끌었고, 이후 기술 역량을 높이고 스스로 발전하는 것을 중요하게 생각했습니다.

군에서 14년간 다양한 통신 업무를 했습니다. 기지에서 근무하고 현장 IT·통신 서비스를 지원했으며, 지휘소를 설치하고 전방 부대와 통신했습니다. 산불이나 홍수 같은 국내 재난 대응도 지원했습니다. 이후 앨버타주 정부로 옮겨 정부 부처 간 기술 사업을 관리했습니다. 당시 정부는 IT를 중앙집중화하고 있었고, 여러 부처의 서비스를 모아 통합하는 일을 했습니다. 투자 관리도 맡았습니다. 이 과정에서 일부 조직이 데이터와 분석을 활용하는 모습을 보기 시작했습니다.

그것이 호기심을 자극했습니다. 늘 배우고 싶었기에 관련 프로젝트에 참여하거나 Coursera 같은 교육 도구로 독학했습니다. 책과 자료를 많이 읽고, 도구를 제공하는 업체와 플랫폼을 조사했습니다. 데이터와 분석에 흥미를 느꼈고, 더 알고 싶은 마음에 시간이 갈수록 깊이 참여하게 됐습니다.

Coursera 외에 추천하는 팟캐스트나 책이 있나요?LinkedIn에서 여러 사람과 단체를 팔로우합니다. 먼저 떠오르는 곳은 Emerj입니다. 댄 파젤라가 이끌며 통찰력 있는 관점을 많이 공유합니다. HBR과 Forbes 같은 주요 매체도 봅니다. SAP에서 일하는 지인 안드레아스 웰슈는 AI와 AI 도입에 관한 콘텐츠를 많이 올려서 팔로우하고 있습니다. 팟캐스트도 몇 가지 듣고 책도 읽습니다. 최근 읽은 좋은 책은 더그 레이니의 Infonomics입니다. 그는 Gartner와 MIT에서 일한 경력이 있으며, 이 책은 데이터로 수익과 경제적 가치를 창출하는 체계를 잘 설명합니다. 가능한 한 다양한 것을 접하고, 프로젝트에도 참여하면서 더 배우려고 합니다.

군 경험은 현재 역할에 어떤 도움이 됐나요?몇 가지 면에서 도움이 됐습니다. 군에서 익힌 체계적인 계획 방식, 시간 관리, 우선순위 설정은 훌륭한 기본 역량입니다. 군에서는 무엇이 가장 중요한지 파악하고 일정한 속도로 일하며, 선택에 따른 장단점을 평가하고 앞으로 나아갈 수 있는 실행 가능한 방안을 마련해야 합니다. AI처럼 변화가 빠른 기술 환경에서 많은 정보를 처리하고, 중요한 것과 그렇지 않은 것, 집중할 곳을 체계적으로 판단하는 능력은 유용합니다.

또 하나는 리더십과 팀워크입니다. 큰 조직에서 일하고, 현장에서는 임무를 완수할 최적의 구성원을 모으기 위해 팀을 계속 구성하고 재편합니다. 대인관계, 리더십, 의사소통 능력은 군사훈련에서 매우 강조되며, 지금도 그런 역량을 잘 활용하고 있습니다.

AltaML에서 고객 솔루션 부사장으로 2년 넘게 일하셨습니다. 어떤 회사이고, 어떤 흥미로운 프로젝트를 맡으셨나요?

AltaML은 응용 AI·머신러닝 기업입니다. 앨버타주 에드먼턴에 본사를 두고 캘거리에 큰 사무실, 토론토에도 사무실이 있습니다. 다른 기업과 협력해 AI를 핵심으로 하는 소프트웨어 솔루션과 제품을 개발하는 B2B 기업입니다. 저는 서비스 부문에서 석유·가스 회사, 금융기관 등 여러 산업의 고객과 일했습니다. AI로 해결할 수 있고 실질적인 효과를 낼 사업 문제를 정의한 뒤, 데이터 수집·통합, 모델 구축과 배포, 변화 관리까지 함께 진행했습니다. 솔루션을 실제로 운영하고 활용해 문제를 해결하도록 돕는 일이었습니다.

처음에는 프로젝트 관리자로 여러 AI 사업을 이끌었습니다. 이후 고객 솔루션 부사장이 되어 프로젝트 수행과 결과물 제공, 자원 관리, 적극적인 고객 관계 관리를 맡았습니다. 고객과 직접 소통하는 업무 상당수가 제 팀의 책임이었습니다.

2년 반 동안 직접 프로젝트를 관리하거나 코치 또는 품질보증 담당자로 수십 건의 AI 프로젝트에 참여했습니다. 특히 좋아한 것은 산불 프로젝트입니다. 앨버타주 측과 협력했는데, 화재 위험이 보통인 날 특정 지역에서 불이 날지 판단하기 어려워했습니다. 확신이 없으면 가용 자원을 모두 배치했고, 불도저 같은 중장비나 비행기, 헬리콥터를 추가로 계약하기도 했습니다. 당연히 비용이 많이 듭니다.

AI 프로젝트의 목적은 특정 지역에서 다음 날 산불이 날 확률을 예측하는 것이었습니다. 이를 통해 사전 대응, 즉 자원을 미리 계획하고 배치하는 과정에서 최적의 자원 할당을 결정하도록 돕고자 했습니다.

일부 상황에서는 자원을 줄이거나 하루 중 특정 시간에 집중해도 화재를 놓칠 위험이 크게 늘지 않는다는 점이 흥미로웠습니다. 수백만 달러를 절감할 잠재력이 있었습니다. 작업은 계속되고 있으며, 지금은 예측 기간을 늘리고 지역을 더 작고 세밀하게 나눠 자원을 최적화하는 방안을 살펴보고 있습니다. 앨버타의 이번 산불 시즌을 보면, 위험 지역을 미리 파악해 자원을 최적화하거나 적절한 곳으로 재배치하는 정보는 매우 큰 영향을 미칩니다. 정말 보람 있는 일이었습니다.

보험금 청구 처리도 맡았습니다. 보험사에 수천 건의 청구가 들어오면 어떤 건을 자동 승인하고, 어떤 건을 사람이 검토하며, 적절한 심사를 위해 어느 팀으로 보내야 할지 결정해야 합니다. 이런 업무도 중요하며 조직의 노력과 비용을 크게 줄일 수 있습니다.

현재 KPMG의 정보 관리 및 데이터 분석 담당 이사입니다. 구체적으로 어떤 역할인가요?더 폭넓은 데이터·분석 역량으로 기업이 문제를 해결하는 과정을 안내합니다. 초기 데이터 전략부터 서로 다른 시스템의 데이터를 정리하고 통합하는 작업, 보고와 분석, AI·머신러닝까지 다룹니다. 이전보다 범위가 넓지만 그 점이 흥미롭고, 배우고 발전하려는 열정을 자극합니다.

이사로서 고객의 고위 경영진에게 자문하며 무엇이 필요하고 프로젝트가 어떻게 진행되는지, 어떻게 준비할지를 안내합니다. 특히 새로운 고급 분석 시스템은 직원들에게 부정적으로 받아들여질 때도 있어 실제 도입과 활용에 집중합니다. 솔루션을 가장 잘 구현하는 방법과 필요한 절차·조직 구조를 함께 고민합니다. 내부적으로는 고객 업무와 프로젝트 팀을 이끌고 올바른 우선순위를 정하며, 업무를 안내하고 여러 팀의 활동을 조율합니다.

최근 Calgary Herald 인터뷰에서 앨버타의 AI 도입이 상당히 진행됐다고 하셨습니다. 어느 산업에서 가장 많이 보이나요?앨버타의 여러 산업에서 도입을 봤습니다. 에너지 분야가 특히 많습니다. AI로 파이프라인 유지보수와 안전 검사를 최적화하고, 어디를 굴착해야 할지 판단하는 사례가 있습니다. 누출이 의심될 때 굴착하는 데는 큰 비용이 들기 때문입니다. 공급망에도 많은 사례가 있습니다. 대기업이 인수·합병하면 데이터가 여러 곳에 흩어져 자재 마스터에서 품목을 찾기 어려울 수 있습니다. 새로 등장하는 언어모델로 데이터를 정리하고 분석 가능한 구조로 만들 수 있습니다. 검색과 질의를 개선해 공급 계약을 통합하는 작업도 많이 봤습니다. 에너지에서 활용되는 것을 봤지만 다른 산업에도 적용할 수 있습니다.

안전도 중요한 분야입니다. 이미지 처리나 언어모델로 특정 현장에 가장 적합한 안전 브리핑이나 검사 내용을 찾을 수 있습니다. 금융에서는 은행 고객 경험을 개인화하고 서로 다른 재정 상황에 맞는 조언과 해법을 제공하는 일이 중요하며 많은 작업이 이뤄지고 있습니다. 보험에서는 앞서 말한 청구 분류와 처리가 있습니다. 임업과 천연자원·토지 관리에서도 위성영상으로 토지 변화를 감지하고, 토지 관련 협약을 관리하며, 있어야 하거나 없어야 할 대상과 시간에 따른 변화를 이미지 처리로 확인하는 활용이 늘고 있습니다.

조직마다 성숙도는 다릅니다. 시작하거나 실험하는 곳도, 더 나아가 전면 도입한 곳도 있습니다. 하지만 대부분 지금 시작하거나 앞으로 나아가지 않으면 뒤처져 큰 경쟁상 불이익을 겪는다는 점을 인식합니다. 전반적으로 관심이 높고, 생성형 AI도 큰 주목을 받고 있습니다.

생성형 AI는 미래를 어떻게 바꿀 것으로 보시나요?매우 기대되며 잠재력이 보입니다. 동시에 적절한 통제가 중요합니다. 기업의 생산성과 효율을 크게 높일 활용 사례가 많다고 생각합니다. 앞서 언급한 공급망 사례에서는 ChatGPT가 공개되기 전부터 그런 기법 일부를 사용했습니다. 또 하나의 흥미로운 흐름은 이 기술이 주요 업무 애플리케이션에 점점 더 많이 내장된다는 점입니다. Microsoft (MSFT )는 Office 앱에 통합될 Copilot을 발표했습니다. 소개 자료에서 브리핑 문서를 작성한 뒤 워드프로세서에 “이 문단을 더 짧게 해 줄 수 있나요?”라고 요청하면 바로 처리하는 예를 봤습니다.

생성형 AI가 일상적인 업무 앱에 직접 들어오면 기업은 언제 어떻게 도입하고 통제할지, 생성한 결과물의 품질을 어떻게 확인할지 고민해야 합니다. 별도 도구일 때는 도입을 늦추거나 무시하기가 더 쉽지만, 주요 업무 앱과 플랫폼에 내장되면 이런 논의가 활발해질 것입니다.

책임 있는 사용에 대한 현재의 관심이 조직의 책임 있는 AI 노력으로 이어지길 바랍니다. 올바른 절차와 거버넌스로 AI 솔루션을 효과적으로 구축하고, 전 생애주기에 걸쳐 위험을 관리하며, 후속 검사를 수행해 출력을 신뢰할 수 있도록 해야 합니다. 생성형 AI의 열기가 이런 논의를 계속 진전시키길 기대합니다.

책임 있는 AI와 편향 감소가 왜 중요한지 설명해 주시겠어요?여러 이유로 중요합니다. 대부분의 개발자는 자신의 작업에 자부심이 있고 시스템이 편향되길 원하지 않습니다. 직원이 몰입하고 만족하며 보호받도록 하려는 내부적 필요가 있습니다. 법적으로도 AI 편향 때문에 소송이나 규제 문제를 겪은 조직의 사례가 있습니다. 대표적으로 AI를 채용에 사용했는데, 데이터가 여성보다 남성에 지나치게 치우쳐 AI가 여성을 차별한 경우가 있습니다.

그것은 Amazon의 AI 도구였습니다.

그런 일은 이미 일어났고 적절한 통제가 없으면 반복될 수 있습니다. 대부분의 조직은 이 문제에 진지하게 집중해야 합니다. 평판 위험도 있습니다. 잘못 대응하면 사업에 매우 큰 영향을 줄 수 있습니다.

부문을 넘나드는 팀의 다양성과 경험을 중요하게 여기십니다. 다양성이 왜 그렇게 중요한가요?현재 AI로 해결하는 문제는 사업 관점에서도, 기반 데이터 측면에서도 매우 복잡합니다. 한 사람이나 한 역할만으로 모두 해결할 수 없습니다. 여러 관점과 역량을 가진 팀에서 각자의 강점을 활용하는 것이 중요합니다. 다양성이 필요한 또 다른 이유는 최종 사용자도 대개 다양한 사람들이기 때문입니다. 개발할 때 그런 관점을 팀에 담지 않으면 나중에 실수하거나 놓치는 부분이 생기기 쉽습니다. 제가 생각하지 못한 것을 다른 사람이 떠올릴 수 있습니다. 출시 후보다 개발 과정에서 문제를 해결하고 조정하기가 쉽습니다.

서로 다른 관점은 최고의 대화를 만든다고 믿습니다. 다른 시각으로 보는 사람이 좋은 질문을 던지면 가장 나은 접근법을 논의하게 됩니다. 그 사람이 없었다면 살펴보지 않았을 부분까지 검토할 수 있습니다. 다양한 사람들이 함께 문제를 살펴볼 때 최선의 결과와 해법에 도달할 수 있습니다.

AI의 다음 큰 돌파구는 무엇일까요?생성형 AI가 주요 애플리케이션에 더 많이 내장되는 흐름은 이미 시작됐으며, 기술 도입에 큰 영향을 줄 것입니다. 사람들이 이미 사용하는 시스템에 바로 들어오기 때문입니다. 사람들이 기능과 한계, 최적의 사용법에 익숙해지면 새로운 활용법도 발견할 수 있습니다. 어떤 문제를 해결할 수 있는지 이해하고 “우리에게 이런 문제가 있는데 이것으로 해결하면 좋겠다”고 생각하면서 새로운 기회가 열릴 것입니다.

가까운 미래에 규제 정책에서도 진전이 있길 바랍니다. 입법과 규제 차원에서 움직임이 많지만, 개별 기업도 스스로 판단하거나 조언을 받아 지금 어떤 관점으로 접근하고 어떤 내부 통제를 도입해야 할지 알아내길 바랍니다.

법과 규제는 시간이 오래 걸립니다. 기업은 내부 통제를 먼저 마련하고 검토하면서 많은 변화를 이끌 수 있습니다. 감사처럼 이미 선례가 있고, KPMG는 그런 분야에 강점이 있습니다. 어떤 통제가 필요하고 어떻게 관리하며 출력을 어떻게 시험할지 고민해야 합니다. 환각, 즉 AI가 사실이 아닌 정보를 만들어 내는 현상을 어떻게 줄일까요? 모델이 출력을 낸 뒤 잠재적 피해나 위험을 최소화할 추가 단계는 무엇일까요? 이런 질문이 적절합니다. 현재의 관심이 책임 있는 AI에 필요한 구조·절차·팀을 구축하고 생각하는 방식의 돌파구로 이어지길 바랍니다.

좋은 인터뷰 감사합니다. 더 자세히 알고 싶은 독자는 KPMG를 방문하세요.